Introduction à R

Narration et présentation par :

Laurence-Olivier M. Foisy

2025-08-10

Les logiciels d’analyse de données

Pourquoi R?



Open source

  • Gratuit
  • Collaboratif
  • Communauté active
    • Stackoverflow
    • r-bloggers
  • Adapté aux besoins des utilisateurs

Pourquoi R?



Packages

  • Offre une extension des fonctionnalités de base presque infinie
  • Peux répondre à des besoins très spécifiques
  • 21,744 packages sur CRAN (Comprehensive R Archive Network)
    • Principal dépôt où sont hébergés les packages R
  • Beaucoup plus sur GitHub
    • En plus de CRAN, de nombreux chercheurs publient leurs packages sur GitHub, une plateforme de partage de code

Pourquoi R?



Reproductibilité

  • Rendre les analyses reproductibles
  • Permet de partager les analyses
    • Les scripts R permettent de partager facilement le travail
  • Permet de retracer les erreurs
  • Partager le code
    • Encourage la transparence et la collaboration dans la recherche

Pourquoi R?



Très utilisé en science sociale

  • Beaucoup de ressources
  • Beaucoup de tutoriels orientés vers les sciences sociales
    • Datacamp
    • Coursera
    • Datanovia

Bref… important d’utiliser les mêmes outils que les chercheurs dans votre domaine

Installer R et RStudio

  • C’est quoi la différence entre R et RStudio?
  • R est le moteur, RStudio est l’interface
  • RStudio facilite l’utilisation de R
  • RStudio est un IDE (Integrated Development Environment)



À télécharger :

Concept important : Le chemin d’arborescence

  • À tout moment vous devez savoir où vous êtes dans votre ordinateur pour pouvoir importer des données, exporter des graphiques ou mettre des fichiers en relation
  • Votre R est toujours ouvert dans un dossier, et donc vous devez savoir où il est pour pouvoir importer des données
  • La fonction getwd() dans R permet de savoir où vous êtes

Concept important : Planifier avant de coder

La plus grosse erreur est de commencer à coder sans savoir ce que vous voulez faire


  • Clarifer vos objectifs: Qu’est-ce que vous voulez faire?
    • Nettoyer des données?
    • Faire un graphique?

Les possibilités sont infinies, donc il est important de savoir où vous voulez aller

Concept important : Décomposer le problème

  • Une fois que vous savez ce que vous voulez faire, il est important de décomposer le problème en petites étapes
  • Un script R pour une seule tâche
    • Bien nommer vos scripts pour savoir ce qu’ils font
    • Exemples:
      • nettoyage_donnees.R
      • graphique.R
  • Chaque script doit être clair et facile à comprendre
  • Commenter votre code avec des #